基于小波变换和盲源分离的P300识别算法研究

摘要：

提出一种P300脑电信号识别的新方法,克服了多导联、多特征造成的操作繁琐、数据冗杂等问题.首先,针对P300小波变换中小波基如何优选缺乏必要的理论依据,提出结合电极分布特性,依据SNR和RMSE量化指标选择最优小波基,并结合SPWD时频分析对相干平均后的原始信号进行去噪处理,利用JADE盲源分离算法对得到的观测信号进行分离;其次,针对P300盲源分离后如何自动优选有效分量避免过度分解,提出结合G1法构建时空分析模型,最优化自动提取P300分量并映射回头皮电极处;最后,为改善BCI系统的在线应用,将EA和SFFS法相结合优选特征,构建具有6维特征向量的训练模型,利用C-SVM进行识别.实验结果表明,相对于传统的数据处理方法,P300成分的提取效果、系统分类精度和速度均有显著提高.

关键词：计量学、脑电信号、P300、小波变换、盲源分离、时空分析模型

所属期刊栏目：38

分类号：TB973(计量学)

资助基金：国家自然科学基金61201110

在线出版日期：2017-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：242-246